raul nistal UPV EHU pais vasco modelo matematico covid19
Imagen facilitada por la UPV/EHU.

Investigadores de la Universidad del País Vasco (UPV/EHU) coordinan una investigación para crear un modelo matemático que permita predecir nuevos brotes de COVID-19 en España e Italia. Raúl Nistal, Manuel de la Sen y Santiago Alonso-Quesada contrastarán además las estrategias de control que se han llevado a cabo en ambos países. Mediante los datos de incidencia actuales y estudios serológicos, los investigadores de la UPV/EHU realizarán un cálculo del potencial infeccioso de la epidemia bajo las diversas estrategias de aislamiento social y sin ellas.

“Una vez diseñado y afinado el modelo, podrá ser capaz de predecir la velocidad con la que se propaga el virus un poco mejor que los modelos actuales”, explica a Innovaspain Raúl Nistal. El investigador añade que esperan que, gracias a unos pocos datos de incidencia, sea posible prever la cantidad de nuevos enfermos en días posteriores. “El quid de la cuestión es cuán precisas serán esas predicciones”. 

Datos fiables y conocimiento útil

El proyecto cuenta con financiación del Fondo COVID-19 que gestiona el Instituto de Salud Carlos III. Una subvención que servirá para contratar a otra persona investigadora durante un año. A lo largo de los próximos meses, Nistal y su equipo diseñarán una serie de modelos con la idea de que ofrezcan resultados coherentes con los datos que hayan recopilado procedentes de diferentes regiones españolas y de otros puntos de Europa.

“Hay que tener en cuenta que no todo el mundo recoge los mismos datos, ni tiene las mismas formas de categorizar a los enfermos, por lo que esta parte de la investigación no es trivial”. El investigador avanza que también estudiarán las poblaciones más sensibles a la enfermedad, “que cambian de un lugar a otro”, así como sus dinámicas sociales con el resto de la población y añadirán la variable del impacto de las diversas restricciones de distanciamiento social, confinamiento, cuarentena, etc.

“En base a toda la información que obtengamos, y si todo sale según lo previsto, simularíamos nuevas condiciones en las que la enfermedad puede producirse y su evolución según qué medida de control se aplique”, asegura Nistal. “Se trata de poder proporcionar a la infraestructura sanitaria mayor entendimiento y tiempo de reacción ante posibles brotes”.

Experiencia previa e inmunidad de grupo

El estudio se basará en parte en investigaciones anteriores del equipo sobre propagación de enfermedades y su dinámica bajo métodos de control, ya sean estrategias de vacunación o cuarentenas. Entre las mismas está la tesis del propio Nistal, dirigida por Manuel de la Sen y Santiago Alonso-Quesada. Su título: ‘Nuevos modelos matemáticos para enfermedades infecciosas: análisis, equilibrio, positividad y controles de vacunación’.

“Mi trabajo previo es la base teórica sobre la que trabajaremos con los nuevos datos”. Sin embargo, el SARS-CoV-2 tiene unas peculiaridades que obligan a un ‘abordaje’ a medida. “La diferencia con otras enfermedades, sin duda, es su alta capacidad de infección, especialmente (y quizás por ello) durante el periodo de incubación, sin síntomas evidentes”. Raúl Nistal añade que otros obstáculos para recopilar datos estándar sobre la incidencia de la enfermedad tienen que ver con la gran magnitud de pacientes afectados y con la variabilidad de los síntomas. “Sin buenos datos es difícil ajustar buenos modelos”, apunta.

La llamada inmunidad de grupo, en la que la tasa de propagación de la enfermedad baja hasta niveles que se consideran seguros, también se estudiará. “Por un lado, los estudios serológicos que indican que se está llegando a esta inmunidad de grupo son más costosos y/o la infraestructura y el esfuerzo necesarios para hacerlos son bastante importantes. Una alternativa podría ser hacer una estimación aproximada mediante un modelo matemático”, señala Nistal.

“Si los modelos que estamos estudiando son razonablemente precisos, se podría predecir cuándo llegará el momento en el que se alcance esta inmunidad de grupo. Esto en sí mismo no es la solución a nuestros problemas, pero nos permite desarrollar mejores estrategias para combatir la enfermedad", agrega el investigador.

Buenas ideas, más coordinación

Nistal opina que, en la lucha contra la pandemia, la administración pública podría haber sido más rápida a la hora de aprovechar el open data disponible. “Han tardado un poco en reaccionar y existe poca coordinación entre Comunidades Autónomas. Las propias definiciones de enfermo y recuperado parecen cambiar cada semana”.

El investigador reconoce que vivimos circunstancias extraordinarias en las que el ritmo de trabajo que se exige “es bastante alto”. “No creo que estuvieran diseñadas para coordinar algo semejante, de la misma forma que no es lo mismo un médico de familia que uno de urgencias. Pienso que el balance importante habrá que hacerlo en base a cómo actúen después de tener tiempo para reorganizarse”.

Apps, localización, rastreos, datos cruzados… Nistal percibe que en las últimas semanas han surgido buenas propuestas desde el ámbito público y la esfera privada. “Lo cierto es que la mejor forma de extraer mayor rendimiento a todas ellas pasaría por crear una base de datos centralizada. Sería muy positivo diseñar una infraestructura integrada por este tipo de datos, accesibles para servicios de vigilancia e investigación, al tiempo que se garantiza la privacidad. No es un asunto sencillo, pero el coste-beneficio lo merece”.

En el caso concreto de las ciencias matemáticas, el investigador no cree que sus posibles contribuciones a la pelea contra el SARS-CoV-2 se hayan menospreciado; “sencillamente ha habido pocas ocasiones para valorarlas”. Nistal recuerda que la gestión de la emergencia requiere de equipos multidisciplinares para comprender el potencial destructivo de este tipo de enfermedades.

Dejar una respuesta

Please enter your comment!
Please enter your name here